[发明专利]基于主题指导和双全局注意力的会话推荐方法

权利要求书

1.基于主题指导和双全局注意力的会话推荐方法，其特征在于：

首先，基于注意力机制从目标会话文本的不同角度提取包含体现共现关系的显式全局嵌入表示和体现语义关系的隐式全局嵌入表示的全局嵌入表示；

然后，从目标会话文本中提取对应的主题嵌入表示；

最后，基于主题嵌入表示指导全局嵌入表示进行预测，以生成最终预测概率分布，并基于最终预测概率分布进行商品推荐。

2.如权利要求1所述的基于主题指导和双全局注意力的会话推荐方法，其特征在于，通过如下步骤生成最终预测概率分布：

S1：对目标会话文本进行编码，得到对应的局部嵌入表示

S2：从候选商品集合V＝{v₁,v₁,…,v_|V|}中提取候选商品v_j∈V作为目标商品的全局邻居，并分别通过编码和注意力机制生成对应的显式全局嵌入表示G_s；从候选商品局部表示H＝(h₁,h₂,…,h_|V|)中提取与目标商品局部表示最相似的K个候选商品局部表示h_j∈H，并分别通过编码和注意力机制生成对应的隐式全局嵌入表示U_s；通过全局交互注意力机制对显式全局嵌入表示G_s和隐式全局嵌入表示U_s进行融合，得到对应的全局嵌入表示

S3：计算目标商品的所属主题并基于编码和Bi-GRU模型处理生成对应的主题嵌入表示

S4：通过主题嵌入表示指导局部嵌入表示和全局嵌入表示进行特征聚合，并分别生成对应的会话局部表示e_l和会话全局表示e_g，然后分别基于会话局部表示e_l和会话全局表示e_g进行探索和预测，以生成最终预测概率分布y_i。

3.如权利要求2所述的基于主题指导和双全局注意力的会话推荐方法，其特征在于，步骤S2中，通过如下步骤生成显式全局嵌入表示：

S201：计算目标商品与各个候选商品v_j的PMI值，然后提取PMI值最大的前K个候选商品v_j作为目标商品的全局邻居，并生成对应的全局邻居序列

S202：对全局邻居序列Aⁱ进行编码，得到目标商品的全局邻居嵌入表示

S203：对全局邻居嵌入表示Bⁱ进行特征聚合，生成目标商品的显示全局嵌入表示

S204：基于各个目标商品的显示全局嵌入表示生成目标会话文本S的显式全局嵌入表示

4.如权利要求3所述的基于主题指导和双全局注意力的会话推荐方法，其特征在于，步骤S2中，通过如下步骤生成隐式全局嵌入表示：

S211：计算目标商品局部表示与各个候选商品局部表示h_j的余弦相似度，然后提取余弦相似度最高的K个候选商品局部表示h_j生成目标商品局部表示的全局序列表示

S212：对全局序列表示Cⁱ进行编码，得到目标商品的全局序列嵌入表示

S213：对全局序列嵌入表示Dⁱ进行特征聚合，生成目标商品的隐式全局嵌入表示

S214：基于各个目标商品的显示全局嵌入表示生成目标会话文本S的隐式全局嵌入表示

5.如权利要求4所述的基于主题指导和双全局注意力的会话推荐方法，其特征在于，步骤S2中，通过如下公式生成全局嵌入表示：

其中，

上述式中：表示全局嵌入表示；W_g,W_l∈R^d×d表示可训练参数；表示显式全局嵌入G_s的转置；表示隐式全局嵌入T_s的转置。